基于模糊神經(jīng)網(wǎng)絡(luò)的短期負荷預(yù)測.pdf

1、電力系統(tǒng)短期負荷預(yù)測是電力系統(tǒng)調(diào)度運營和負荷管理的一項重要的日常工作，其預(yù)測精度的高低直接影響到電力系統(tǒng)運行的安全性、經(jīng)濟性和供電質(zhì)量，它的特點可以歸納為：要預(yù)測的數(shù)據(jù)個數(shù)多、影響預(yù)測的物理因素復雜且具有隨機性和預(yù)測精度要求高等。由于負荷預(yù)測的復雜性、不確定性，從而使傳統(tǒng)的基于解析模型和數(shù)值算法的模型難以獲得精確的預(yù)測結(jié)果。 本文結(jié)合電力系統(tǒng)負荷預(yù)測中存在的問題，在研究了神經(jīng)網(wǎng)絡(luò)(ANN)理論和模糊理論的基本概念和方法的基礎(chǔ)上，

2、提出基于神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)的兩種負荷預(yù)測方法。 在負荷預(yù)測的人工神經(jīng)網(wǎng)絡(luò)方法中，采用了神經(jīng)網(wǎng)絡(luò)中經(jīng)典的BP算法，提出了適合電力系統(tǒng)短期負荷預(yù)測的神經(jīng)網(wǎng)絡(luò)模型，該模型充分利用了神經(jīng)網(wǎng)絡(luò)高度非線性建模能力。在保證有足夠的訓練樣本的前提下，對預(yù)測模型進行合理分類，構(gòu)造了相應(yīng)于不同季節(jié)和日類型的預(yù)測模型，并對輸入變量的選擇問題，進行了討論。 本文提出一種用于短期負荷預(yù)測的模糊系統(tǒng)。該系統(tǒng)集模糊推理、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和學習算法于一

3、體，構(gòu)成基手神經(jīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)，又稱模糊神經(jīng)網(wǎng)絡(luò)(FNN)。FNN利用神經(jīng)網(wǎng)絡(luò)的反向傳播算法，對24點每一個點建立一個預(yù)測模型，根據(jù)輸入輸出樣本來自動設(shè)計和調(diào)整模糊系統(tǒng)的設(shè)計參數(shù)，實現(xiàn)模糊系統(tǒng)的自學習和自適應(yīng)功能，同時還實現(xiàn)了模糊預(yù)測模型的自動更新，而且能不斷修正各模糊子集的隸屬函數(shù)，使模糊建模更具合理性。 ANN和FNN兩種方法都是從負荷變化的非線性本質(zhì)出發(fā)，結(jié)合負荷時間序列隨時間變化的特點，提出預(yù)報模型。在預(yù)測過程中，